立体声音频数字水印设计

　　摘　要： 提出了一种可进行盲检测的数字音频水印算法。该算法利用人类听觉系统对音频相位变化的不敏感性，通过时变的全通滤波器，对原始音频信号进行相位调制。为了实现盲检测，将水印信号通过频移键控（PSK）赋值到立体声信号的左右声道上，然后采用短时离散傅立叶变换的方法对嵌入水印的音频信号进行检测。实验结果证明该算法具有良好的不可感知性和鲁棒性。

　　随着科学技术的发展，数字水印越来越多被应用。数字水印（Digital Watermarking）技术是将一些标识信息（即数字水印）直接嵌入数字载体当中（包括多媒体、文档、软件等）或是间接表示（修改特定区域的结构），且不影响原载体的使用价值，也不容易被探知和再次修改。但可以被生产方识别和辨认。通过这些隐藏在载体中的信息，可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。数字水印是信息隐藏技术的一个重要研究方向。

　　嵌入载体信号的水印必须有较好的鲁棒性和不可感知性。为此，需要利用人类听觉系统（HAS）的一些特性进行水印的嵌入。目前的研究表明，人类听觉系统对音频信号的相位是不敏感的。具体表现为：在高频段，人耳对音频信号的相对相位变化不敏感；在低频段，人耳对声音的相位不敏感。因此，许多研究者针对这些性质提出了一些水印算法。将音频信号通过无限脉冲响应（IIR）的全通滤波器，从而将水印信息嵌入到原始音频信号的相位上，无限脉冲响应的全通滤波器通常具有较复杂的相位特性，所以使用这种方法嵌入的水印一般具有较差的不可感知性。

　　本文通过总结以上方法，提出一种新的水印算法。将原始音频信号通过全通滤波器，循环地改变全通滤波器的群时延，以达到嵌入水印信号的目的。信号通过全通滤波器后，改变的只是它的相频特性，因此，该方法又称为动态相位调制法。

　　1 水印的嵌入与检测

　　1.1 相位调制

　　载波的相位对其参考相位的偏离值随调制信号的瞬时值成比例变化的调制方式，称为相位调制，或称调相。调相和调频有密切的关系。调相时，同时有调频伴随发生；调频时，也同时有调相伴随发生，不过两者的变化规律不同。实际使用时很少采用调相制，它主要是用来作为得到调频的一种方法

　　通过一个时变的全通滤波器对原始音频信号进行相位调制。全通滤波器利用一个IIR滤波器来实现。根据数字信号处理的知识，这个IIR滤波器可以通过一组有限脉冲响应（FIR）的滤波器来近似地实现，这样做的好处是利用这些线性相位滤波器，使时变的全通滤波器的群时延在整个频率范围内变为一致，然后通过一个正弦函数控制群时延，使该滤波器的相位特性循环变化。该全通滤波器的相位特性可以用下式表示：

　　式中，τpm表示群时延，ωpm表示调制率（调制角频率），Φpm表示初相位。τpm和ωpm的取值能影响水印的可见性，因此它们是该相位调制滤波器（PMF）的重要参数。通过对ωpm进行频移键控，可以实现水印的嵌入。

　　考虑到需要对水印信号进行盲检测，同时为了提高检测出的水印的信噪比，本文对其中一个声道的调制信号加上一个相偏π，于是得到：

　　式中，h（i，n） {i∈0，……M-1}随C（n）变化。

　　1.2 相位解调

　　本文利用短时离散傅立叶变换对加入了水印的音频信号进行解调。

　　在时刻t，调制后的音频信号的相频特性可以表示为：

　　由此可以看出，检测到的水印信号具有3dB的信噪比增益。

　　1.3 基于FSK的水印编码

　　FSK（Frequency-shift keying）是信息传输中使用得较早的一种调制方式，它的主要优点是： 实现起来较容易，抗噪声与抗衰减的性能较好。在中低速数据传输中得到了广泛的应用。常见的是用两个频率承载二进制1和0的双频FSK系统。技术上的FSK有两个分类，非相干和相干的FSK。在非相干的FSK ，瞬时频率之间的转移是两个分立的价值观命名为马克和空间频率，分别为。 在另一方面，在相干频移键控或二进制的FSK ，是没有间断期在输出信号。

　　（1）嵌入过程：频移监控（FSK）的通常定义为：

　　Ci（t）=Acos（ωit+Φ），i=1，……M

　　式中，频率ωi从M个离散值中选择，初始相位Φ取任意值。

　　通过扩展带宽可以得到MFSK编码，扩频的大小与所取的M值有关。水印嵌入时，将相应的数字信息赋值给相应的ωi，从而产生一个相位调制信号Ci（t），这就是基于FSK调制的相位调制信号。水印嵌入过程就是将原始音频信号同PMF的脉冲响应做卷积来实现的。

　　（2）检测过程：首先，利用DFT计算出解调信号（t）的能量谱；然后，计算出这个能量谱峰值处的频率，通过解码这个峰值频率得到一个水印信息；，将解码出的水印信息组合，得到完整的水印信息。

　　2 仿真实验

　　本文采用采样率为44.1kHz的16bit编码的双声道音频信号，信号长度为180s。水印信号采用一个64×64的二值图像。嵌入时的具体参数如表1所示。

　　在水印信号嵌入前，可以采用扩频技术[5]，通过原始数据的频域扩展，实现水印信息的加入。从而提高水印的检测，并能随机产生一个密钥，但同时也增加了嵌入水印的数据量。

　　本文采用的相位调制滤波器由256个有限脉冲响应（FIR）滤波器组成，如图1所示。

　　水印检测时，每65 536点作为一个数据段，对其进行采样间隔为16的N点短时离散傅立叶变换，其中取N=256。结构如图2所示。

　　本文采用识别率（SHR）对检测到的水印进行性能上的估测。识别率定义为正确识别的水印与嵌入水印之比。公式如下：

　　采用不同音频信号提取后的识别率如表2所示。

　　为了验证算法的鲁棒性，需对该嵌入水印的音频信号进行攻击处理。这些攻击包括：低通滤波、时域压缩、添加噪声等。对受攻击后检测出的水印性能的评测，也是利用识别率来衡量的。实验结果表明（如表3），该算法对时域压缩有明显的抵抗力，对其他攻击也有较好的鲁棒性。

　　本文讨论了一种基于相位调制的数字音频水印算法，同时给出了该水印的盲检测算法。水印是基于FSK的，FSK并结合了速降（Downhill），速滑（Speed），特技轮滑（Acrobatic rollerskating）是一种全新的，融入较多元素，反应现代轮滑发展的玩儿法。由本文的检测算法可得：当该立体声信号被滤掉一个声道时，水印将不再起作用。